CUDA5.0+VS2008+VisualAssist安装

CUDA5.0+VS2008+VisualAssist安装

转自：http://blog.163.com/qimo601@126/blog/static/15822093201352084242102/

1、软硬件环境

    操作系统：Windows7 台式工控机

    GPU：Geforce GT420（办公室另外一台台式机的显卡）

    开发环境：VisualStudio2008、cuda_5.0.35_winvista_win7_win8_general_32-3、VA_X_Setup1845

2、软件准备

    CUDA官方网站https://developer.nvidia.com/cuda-downloads

    CUDA5.0安装包下载（CUDA5.0已经集成了，显卡驱动、CUDA ToolKit、 CUDA SDK 代码例子）

    VA_X_Setup1845下载 

3、安装过程 

3.1先安装VS2008，再安装VisualAssist X

     VA是为了方便程序编写，不是必须安装。 

3.2 CUDA5.0 installer安装过程

    直接默认安装，自动安装CUDA Toolkit、CUDA SDK code samples ,和开发者驱动。
    CUDAToolkit 默认安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0
    CUDA SDK 的默认安装目录：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0 

 

3.3 配置环境变量 

    安装完成Toolkit和SDK后，已自动配置好系统环境变量。可以查看系统环境变量，发现自动新建如下变量:

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\
CUDA_PATH_V5_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\
NVCUDASAMPLES_ROOT = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\
NVCUDASAMPLES5_0_ROOT = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\
NVTOOLSEXT_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\nvToolsExt\
Path = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\bin\;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\libnvvp\;C:\Program Files\NVIDIA Corporation\PhysX\Common;C:\Program Files\Intel\iCLS Client\;%SystemRoot%\system32;%SystemRoot%;%SystemRoot%\System32\Wbem;%SYSTEMROOT%\System32\WindowsPowerShell\v1.0\;C:\Program Files\Intel\OpenCL SDK\2.0\bin\x86;C:\Program Files\Intel\Intel(R) Management Engine Components\DAL;C:\Program Files\Intel\Intel(R) Management Engine Components\IPT;c:\Program Files\Microsoft SQL Server\90\Tools\binn\;C:\Qt\4.7.4\bin

 

    

 

      运行CUDA自带的实例，如下错误 

 

3.4 重启计算机，上述问题就不会出错了

    在vs2008上建立一个CUDA测试项目

    

编译成功!

4 CUDA C/C++关键字及函数高亮显示

4.1 .cu 文件中C/C++关键字高亮

        这个设置是让Visual Studio2008 在编辑.cu 文件时，把.cu 文件里的C/C++语法高亮。设置方法： 在Visual Studio 2008 的菜单依次选“ Tools|Options|Text Editor|File Extension（工具|选项|文本编辑器|文件扩展名）”，在该窗口中将“Editor（编辑器）”下拉框选择“Microsoft Visual C++”，在“Extension（扩展名）”文本框中输入cu 点击“Add（添加）”按钮，重复工作把cuh 添加为Visual C++类型，添加完成后点击“OK（确定）”按钮，如图1 所示。

 

         重启Visual Studio 2008 后，.cu 文件C++关键字就高亮了。然而此时CUDA的关键字还是黑色的，下一步把CUDA 关键自高亮显示。

4.2 CUDA 关键字高亮设置

         为了让CUDA 的关键字，如__device__、dim3 等的文字高亮，需按如下步骤设置：

         将C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\doc\syntax_highlighting\visual_studio_8 目录下的usertype.dat 文件复制到C:\Program Files\Microsoft Visual Studio9.0\Common7\IDE\ 目录下（ 对x64 位Win7 系统为X:\Program Files(X86)\Microsoft Visual Studio 9.0\Common7\IDE\）。【当然我本机还装有Qt项目，所以我直接把新旧usertype.dat文件合并了。】

       重启Visual Studio 2008后打开.cu 文件，CUDA 的关键字应该变成蓝色了。

4.3 CUDA 函数高亮，及CUDA 函数输入代码提示

       实现这个功能需要使用Visual Assist X，如果没有安装支持Visual Studio 2008 的Visual Assist X，这部分功能无法实现。这里只是为使编写代码更加方便，对 与CUDA 程序的开发无实质性障碍。

如果已经安装Visual Assist X，可以通过以下两步实现需要的功能。

          1）使Visual Assist X 支持CUDA 函数高亮和代码完成

          在Visual Studio 2008的菜单里依次选择：“ VAssistX|Visual assist X  Options|Projects|C/C++Directories”，在该界面的“Platform”下拉框中选择Custom，在“Show Directories for”下拉框中选择Other include files， 然后在下面的输入框里，新建、添加如下路径，如图2：

 

         C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\include

         C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\common\inc

         2）使Visual AssistX 支持.cu 文件

          使Visual Assist X 实现.cu 文件高亮和代码完成功能，需要编辑注册表。在修改注册表时，为避免带来不必要的错误请先关闭Visual Studio 2008。使用Win+R组合键打开“运行”窗口，键入入regedit 命令（register edit 的缩写）打开注册表，找到如下位置：HKEY_CURRENT_USER\Software\Whole Tomato\Visual Assist  X\VANet9。在右边找到ExtSource 项目，鼠标右键选修改，在原有文字后添加如下文字：.cu;.cuh; 确定后关闭注册表。重新打开Visual Studio 2008，Visual Assist X 便开始支持.cu 及.cuh 文件的语法高亮及代码完 成。此时.cu 文件的CUDA 函数是高亮的，使用函数名符号就会自动提示函数全称，参数类型等信息。

参考：

1、 CUDA5.0 + Visual Studio 2010 的环境配置

2、 CUDA安装

3、 CUDA的安装

注：CUDA项目测试代码

1. #include "cuda_runtime.h"  
2. #include "device_launch_parameters.h"  
3.   
4. #include   
5. #include    
6. cudaError_t addWithCuda(int *c, const int *a, const int *b, size_t size);  
7.   
8. __global__ void addKernel(int *c, const int *a, const int *b)  
9. {  
10.     int i = threadIdx.x + blockIdx.x * gridDim.x;  
11.     c[i] = a[i] + b[i] + c[i] ;  
12.           
13.       
14. }  
15.   
16. int main()  
17. {  
18.     const int arraySize = 10000;  
19.     int a[arraySize] = { 1, 2, 3, 4, 5 };  
20.       
21.       
22.     int b[arraySize] = { 10, 20, 30, 40, 50 };  
23.       
24.     for(int i = 0; i < arraySize; i++)  
25.     {  
26.         a[i] = i;  
27.         b[i] = i*10;  
28.     }  
29.           
30.     int c[arraySize] = { 0 };  
31.    
32.     clock_t start, finish;    
33.     double duration;     
34.     start = clock();    
35.      
36.       
37.     // Add vectors in parallel.  
38.     cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);  
39.     if (cudaStatus != cudaSuccess) {  
40.         fprintf(stderr, "addWithCuda failed!");  
41.         return 1;  
42.     }  
43.   
44.     for(int l = 0; l < arraySize; l++)  
45.         printf("c[%d] = %d \n",l,c[l]);  
46.   
47.     // cudaThreadExit must be called before exiting in order for profiling and  
48.     // tracing tools such as Nsight and Visual Profiler to show complete traces.  
49.     cudaStatus = cudaThreadExit();  
50.     if (cudaStatus != cudaSuccess) {  
51.         fprintf(stderr, "cudaThreadExit failed!");  
52.         return 1;  
53.     }  
54.   
55.   
56.     finish = clock();    
57.     duration = (double)(finish - start) / CLOCKS_PER_SEC;    
58.     printf( "%f seconds\n", duration );   
59.       
60.       
61.     getchar();  
62.     return 0;  
63. }  
64.   
65. // Helper function for using CUDA to add vectors in parallel.  
66. cudaError_t addWithCuda(int *c, const int *a, const int *b, size_t size)  
67. {  
68.     int *dev_a = 0;  
69.     int *dev_b = 0;  
70.     int *dev_c = 0;  
71.     cudaError_t cudaStatus;  
72.   
73.     // Choose which GPU to run on, change this on a multi-GPU system.  
74.     cudaStatus = cudaSetDevice(0);  
75.     if (cudaStatus != cudaSuccess) {  
76.         fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");  
77.         goto Error;  
78.     }  
79.   
80.     // Allocate GPU buffers for three vectors (two input, one output)    .  
81.     cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));  
82.     if (cudaStatus != cudaSuccess) {  
83.         fprintf(stderr, "cudaMalloc failed!");  
84.         goto Error;  
85.     }  
86.   
87.     cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));  
88.     if (cudaStatus != cudaSuccess) {  
89.         fprintf(stderr, "cudaMalloc failed!");  
90.         goto Error;  
91.     }  
92.   
93.       
94.     cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));  
95.     if (cudaStatus != cudaSuccess) {  
96.         fprintf(stderr, "cudaMalloc failed!");  
97.         goto Error;  
98.     }  
99.   
100.     // Copy input vectors from host memory to GPU buffers.  
101.     cudaStatus = cudaMemcpy(dev_c, c, size * sizeof(int), cudaMemcpyHostToDevice);  
102.     if (cudaStatus != cudaSuccess) {  
103.         fprintf(stderr, "cudaMemcpy failed!");  
104.         goto Error;  
105.     }  
106.     // Copy input vectors from host memory to GPU buffers.  
107.     cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);  
108.     if (cudaStatus != cudaSuccess) {  
109.         fprintf(stderr, "cudaMemcpy failed!");  
110.         goto Error;  
111.     }  
112.   
113.     cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);  
114.     if (cudaStatus != cudaSuccess) {  
115.         fprintf(stderr, "cudaMemcpy failed!");  
116.         goto Error;  
117.     }  
118.   
119.     // Launch a kernel on the GPU with one thread for each element.  
120.     addKernel<<<100, 100>>>(dev_c, dev_a, dev_b);  
121.   
122.     // cudaThreadSynchronize waits for the kernel to finish, and returns  
123.     // any errors encountered during the launch.  
124.     cudaStatus = cudaThreadSynchronize();  
125.     if (cudaStatus != cudaSuccess) {  
126.         fprintf(stderr, "cudaThreadSynchronize returned error code %d after launching addKernel!\n", cudaStatus);  
127.         goto Error;  
128.     }  
129.   
130.     // Copy output vector from GPU buffer to host memory.  
131.     cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);  
132.     if (cudaStatus != cudaSuccess) {  
133.         fprintf(stderr, "cudaMemcpy failed!");  
134.         goto Error;  
135.     }  
136.   
137.   
138.       
139. Error:  
140.     cudaFree(dev_c);  
141.     cudaFree(dev_a);  
142.     cudaFree(dev_b);  
143.       
144.     return cudaStatus;  
145. }